基于矩阵变换的双线性WLAV状态估计

当电力系统中的杠杆点存在不良数据时会严重影响状态估计的坏数据辨识和估计效果。现有的抗差估计方法也难以有效处理杠杆量测坏数据,而剔除杠杆点量测可能会影响系统的可观性。在双线性WLAV状态估计的基础上,通过对雅克比矩阵进行矩阵变换来实现对杠杆点不良数据的抗差。这种方法对算法本身进行改进,不需要剔除杠杆量测,既能提高对杠杆点不良数据的抗差能力,又不会影响系统的可观测性,是一种比较理想的处理杠杆点不良数据的方法。基于IEEE标准系统以及国内某实际省网的仿真结果验证了该方法在提高计算精度和计算效率方面的有效性。     

含指数型目标函数的电力系统抗差状态估计方法在江西电网中的应用

电力系统状态估计是能量管理系统的核心和基础模块,然而当量测系统中存在不良杠杆量测或一致性不良数据时,传统的含不良数据辨识程序的最小二乘估计不能很好地排除不良数据对状态估计的影响。为此介绍了一种能够自动排除不良数据对状态估计影响的含指数型目标函数的电力系统抗差状态估计模型,分析了该模型的理论基础和数学特性,给出了该模型在江西电网的应用方法和效果。结果表明,该抗差状态估计模型能够显著提升电力系统状态估计的精度,同时还能够保证严格满足零注入等式约束。     

抗差估计法应用于状态估计中不良数据的检测和辨识

电力系统状态估计是电能管理系统（EMS）的重要组成部分，然而在实际运行的电网自动化系统中，量测数据中不可避免含有不良数据，从而影响状态估计的结果。不良数据的检测是电力系统状态估计的重要功能之一，它能够排除量测采样数据中偶然出现的少数不良数据，提高状态估计的可靠性。文章采用突变检测和抗差估计相结合的方法，并在IEEE118节点网络上进行了验证，结果证明该方法检测辨识的有效性和可靠性。     

考虑量测相关性的容积卡尔曼滤波动态状态估计

针对电力系统动态状态估计中SCADA量测量间存在相关性的实际情况,文中提出了一种考虑量测相关性的容积卡尔曼滤波动态状态估计方法。首先进行了SCADA量测相关性分析,然后基于状态转移方程推导过程噪声协方差矩阵,基于容积变换方法计算考虑SCADA量测相关性的量测误差协方差矩阵,并提出了考虑量测相关性的电力系统动态状态估计流程,每次估计实时修正量测误差协方差矩阵及过程噪声协方差矩阵。IEEE-39节点系统的仿真结果表明,相较于不考虑量测相关性的容积卡尔曼滤波算法,文中方法能够明显提高状态估计结果的精度。     

基于自适应核密度估计理论的抗差状态估计的性能分析及算例验证

针对基于自适应核密度估计的电力系统抗差状态估计新模型,提出了相应的求解策略,并通过其数学性质分析该方法对正常量测、可疑量测和不良数据的辨识性能。该算法对于正常量测具有与加权最小二乘法类似的收敛性好、渐进无偏的特点;对于不良数据,在迭代过程中通过自适应地降低其核密度带宽而等效降低其权重直至为零,相应减小或消除其影响而具有良好的抗差能力;对于可疑量测,在迭代中自适应核带宽逐渐减小,部分量测的等效权值逐步增大而被辨识为好数据,部分量测的等效权值减小而逐步被辨识为不良数据,从而实现了可疑数据的平滑逐步辨识,避免了"非好即坏"的判定而提高了对于不良数据的辨识能力。多个算例表明:新算法相较于现有其他抗差方法而言,具有较强的抗差能力,较高的计算精度及较快的计算速度。所提方法具有较强的工程应用前景。     

指数型目标函数电力系统抗差状态估计的解法与性能分析

针对一个指数型目标函数电力系统抗差状态估计模型,给出一种有效的求解方法。由于指数型目标函数电力系统抗差状态估计模型的目标函数连续可微,因此可通过与加权最小二乘估计类似的牛顿法方便地进行求解,与现有状态估计程序之间具有很好的兼容性。理论分析表明新的抗差估计模型具有很强的排除不良杠杆量测的性能,并通过与加权最小二乘估计和广义M估计的数值算例比较,进行了验证。基于IEEE标准系统和2个实际省级电网的计算分析,将本文方法与现场广泛应用的含不良数据辨识环节的加权最小二乘估计程序进行比较,结果表明所提方法的抗差能力具有明显的优势。     

用于配网负荷处理的全面抗差估计方法

提出了一种基于支路电流的全面抗差估计方法用于抵制配网伪量测负荷数据中坏杠杆量测的影响.该方法利用杠杆量测的固有特性,将结构抗差因子引入到加权最小绝对值估计的目标函数中,有效地削弱了杠杆量测的保差作用.同时,该方法在基于支路电流状态估计方法的基础上,增加了处理电压幅值量测的变换方法,从而提高了量测冗余度,估计精度和系统的可观测性.通过IEEE123仿真系统的结果表明,该方法具有良好的数值稳定性和抗差性.     

一种处理杠杆量测的配电网抗差估计算法

提出了一种新的基于支路电流的配电网抗差估计算法用于消除坏杠杆量测对估计结果的不良影响。该方法利用杠杆量测量的固有特性,在加权最小绝对值(WLAV)估计器的目标函数中引入结构抗差因子;同时借助等价权的概念,将抗差估计转化成最小二乘估计的形式,编程简单,从而使改进后的WLAV估计法不仅能够辨识出非杠杆量测中的不良数据,而且能够有效地抵御杠杆量测量中的坏数据,并得到高精度的估值。实验系统的仿真表明,该方法具有良好的数值稳定性和鲁棒性。     

基于鲁棒容积卡尔曼滤波器的发电机动态状态估计

同步相量测量单元(PMU)能够对电力系统动态过程中发电机功角进行直接量测。然而,坏数据有可能导致状态估计准确度下降甚至失效。提出了一种基于鲁棒性容积卡尔曼滤波(CKF)的机电暂态过程发电机动态状态估计方法。在CKF中构造时变多维观测噪声尺度因子,根据量测新息对PMU量测误差进行调整,使得量测量能够对状态量预报值进行准确修正。给出了时变多维观测噪声尺度因子的具体构造方法。针对滤波增益求逆发生奇异的问题,提出解决方案,对鲁棒CKF动态状态估计过程进行说明。仿真结果表明该方法能够有效抑制量测坏数据对动态状态估计的影响。     

一种电力系统量测噪声自适应抗差状态估计方法

为克服传统状态估计方法在处理量测噪声方面的局限性,文中首先提出一种基于最大相关熵准则的抗差状态估计一般模型,该模型可从理论上统一已有的几种抗差状态估计方法,并可导出新的抗差状态估计方法。在此基础上提出一种量测噪声自适应抗差状态估计方法(ARSE),ARSE能够通过统计学习获得量测噪声的分布规律,并与所提出的抗差状态估计一般模型进行在线匹配,从而实现对量测噪声类型的自适应,即在常见的量测噪声分布类型下,ARSE可得到更接近于状态变量真值的估计结果。最后通过仿真算例验证了所述方法的有效性。     

基于线性内点法及正交变换的抗差参数估计

参数估计目前主要采用加权最小二乘算法.由于包含参数估计,该方法在处理电网坏数据混杂及数值稳定性上都面临着困难.考虑到实际电网中有时会同时出现量测错误及参数错误,提出了使用基于线性内点法及正交变换的加权最小绝对值(WLAV)增广参数估计.基于L1范数的WLAV估计具有良好的抗差特性,用以应对混杂有坏数据、拓扑错误及参数错误的混杂估计.为提高增广参数估计的数值稳定性,将正交变换引入线性内点法修正方程的求解中.对算法的测试结果表明,该方法具有良好的应用前景.     

基于最大测点正常率与GPU并行加速的不良数据辨识方法

基于测量不确定度的概念,以测点正常率最大(MNMR)为目标的电力系统抗差状态估计方法具有较好的不良数据辨识能力。然而,该模型求解困难,已有研究对该模型进行了近似等效,并采用现代内点法进行求解,但存在因近似而辨识效果降低的问题。为此,基于MNMR状态估计模型,采用杂交变异粒子群算法,提出一种基于图形处理器(GPU)并行加速的不良数据辨识算法。该算法不对MNMR模型进行近似等效,根据GPU并行计算架构特点,设计了粗粒度和细粒度结合的并行加速策略。算例结果表明,所提的算法对不良数据的误检率和漏检率较低,具有较好的不良数据辨识能力,且计算时间短,加速效率高,能够满足实际运行需求。     

基于等值信息交换的分布式抗差估计算法

提出了一种基于等值信息交换的分布式抗差状态估计算法。各子系统通过等值计算将自身量测信息浓缩成等值信息,协调层收集各子系统的等值信息计算出边界状态量进而实现分布式状态估计。此外,在分布式算法基础上实现了分布式抗差估计。采用等价权原理将指数型目标函数抗差估计方法转换成变权重的加权最小二乘估计,并基于不动点迭代的方法进行求解。在求解过程中,等值信息随着权重值的变化而不断更新,子系统得以综合全系统信息进行抗差估计。最后,构造了多子系统算例和含不良数据的算例对算法进行测试。测试结果表明分布式抗差估计算法具有很高的计算精度和很好的抗差性能。     

考虑抗差状态估计大误差点的电网可疑参数辨识及其应用

错误的电网参数导致电力系统中状态估计结果出现偏差,严重影响各种高级应用的实用性。首先分析了一种能够自动排除不良数据对状态估计的影响且具有较高计算效率的抗差状态估计模型;然后提出了通过计算量测偏差与线路平衡状态来生成可疑线路的方法;最后采用变步长积分法估计可疑线路的参数修正值。通过在某省级电网调度中心的应用,实测结果验证了该方法的正确性与有效性。     

基于IGG法的电力系统状态估计

针对现有电力系统状态估计的不足,提出了一种基于IGG(Institute of Geodesy &Geophysics,Chinese Academy of Sciences)法的抗差估计方法。分析了抗差估计理论应用于状态估计时,初值和权函数选取的原则及一般方法,兼顾了估计结果的准确性和数值稳定性。将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计,结合网络参数估计辨识法,得出坏数据和可疑支路的正确状态,使抗差和状态估计在计算中一次完成。算例结果表明,该法抗差能力强,收敛速度快,而且具有较好的准确性和数值稳定性。     

并网光伏系统的在线抗差状态估计

为了充分考虑主动配电网中光伏发电系统的影响,对光伏发电系统进行实时监控,提出了一种并网光伏系统的抗差状态估计方法。搭建了光伏系统模型,建立了相应的量测模型。抗差状态估计能够实现对配电网系统的状态监测,可靠估算出系统的运行状态。文中抗差状态估计采用最小绝对值(Least Absolute Value,LAV)估计算法,不仅具有抵御不良数据的能力,而且计算效率较高。仿真结果表明:该方法能够正确地估算出光伏系统的状态,收敛性较好,并且具有一定的抗差能力,能实现对光伏系统中不良数据的检测和辨识。     

Robust State Estimation for an Electricity-GasHeat Integrated Energy System Considering Dynamic Characteristics

The data for an energy management system (EMS) in an integrated energy system (IES) is obtained through state estimation. This is then the basis for optimal scheduling, protection and control. At present, the dynamic models of gas and heat networks are rarely considered in such state estimation, and the method lacks robustness. This paper develops dynamic state estimation models for gas and heat networks, and proposes a unified method for the electricity-gas-heat network, one which takes into account robustness while ensuring accuracy. First, the state transition equations in matrix form are formulated according to finite difference models considering the dynamic characteristics of the gas and heat networks. Then, combined with a quasi-steady state model of the electric power system, a unified state estimation method and multi-time-scale measurement strategy in the Kalman filter framework are proposed. In addition, the prediction accuracies of the electric power and gas systems are improved through adaptive adjustment. The kernel density estimation method is used to adjust the measurement weights and filter out bad data to ensure robust state estimation. Finally, simulation results show that the proposed method not only can improve the estimation accu-racy by improving prediction accuracy, but also is robust to various types of bad data.     

考虑量测坏数据的发电机动态状态估计方法

随着相量测量单元(PMU)的广泛应用,基于PMU的发电机动态状态估计的研究越来越受到重视。如果存在量测坏数据,动态状态估计的滤波效果会受到严重的影响。首先介绍了一种基于无迹卡尔曼滤波(UKF)的发电机动态状态估计方法。然而,由于PMU数据的质量不高,为解决坏数据的问题,推导残差方程得出时变的阈值,再通过一种迭代检测的方法确定坏数据的测点位置。对于坏数据对应的量测,算法将其剔除后重新进行一次估计,以修正估计结果。算例结果表明,该方法能有效抑制量测坏数据对发电机动态状态估计的影响。     

电力系统中长期负荷预测的参数抗差估计研究

主要介绍提高中长期负荷预测结果的准确性和改善中长期负荷预测方法的抗粗差效果，对中长期负荷预测中参数的抗粗差估计进行了研究，提出了基于权函数的电力系统负荷预测参数抗差估计算法，通过对加权最小二乘法的修改，实现了负荷预报模型参数的抗差估计。算例表明，所提出的算法在处理中长期负荷预测中数据的粗差问题上效果较好，是改善预测精度的有益尝试。